作为提供信息服务的电信网络系统,网络质量的保证是运营商在激烈的竞争中立足的根本。为了保障电信网络高效、经济、可靠、安全地运行,更大限度地利用网络资源,降低运营成本,向用户提供高质量、高可靠性的服务,国内外电信运营商相继建立了各种网络管理系统,其中故障管理是网络管理系统的重要组成部分,主要是用于进行告警分析和故障诊断。当网络中的设备发生故障时,快速发现、排除故障是保证网络运行质量的关键,也是网络管理的首要任务。目前主要采用告警相关性分析技术对网络产生的告警数据进行处理以进行故障识别和预测,因为从告警数据分析出的相关性知识,可以帮助网络管理人员及时定位故障,并实现故障预测以便在严重故障发生之前就防备与解除,保证电信网络的正常运行。但是随着现代电信网络的规模越来越大,结构日益复杂,电信网络中每天产生大量的告警信息,致使告警数据库中存放了大量的历史告警数据。传统的相关性分析方法由于过多地依赖专家知识而难以适应网络复杂、多变的情况。数据挖掘技术旨在发现海量数据中所隐藏的知识,采用数据挖掘的方法发现历史告警数据中隐藏的有意义的信息,可以辅助网络管理人员及时处理网络故障,更好的管理网络运行。　　 本文通过对告警数据的特点进行分析,将数据挖掘中的关联规则挖掘技术应用到电信告警数据分析中,从告警数据属性间的关联关系和告警间时间序列关系两方面进行分析。首先给出了电信告警数据中的关联规则挖掘模型,主要包括数据预处理、关联规则挖掘和规则选择三个模块。通过数据预处理,不仅解决了告警数据中冗余信息多的问题还解决了告警时间不同步的问题,并进行了时间分段处理,不仅大大减少了原始数据量,还保证了数据的质量,为挖掘出有意义的规则打下了基础；然后主要分析了经典的关联规则算法Apriori和FP-growth算法,以及在FP-growth算法基础上提出的挖掘时间序列模式的FSPM-FP算法,并对告警数据属性间关联规则和告警间时间序列关联规则两方面进行挖掘；通过对挖掘结果的分析,删除冗余规则,提取有意义的。最后,使用电信运营商提供的真实告警数据进行试验,能够从大量告警数据中挖掘出有价值的关联规则。对于提取的规则,可以辅助网络管理人员更好的了解网络运行的情况,并能对告警信息进行预测,保证电信网络的运行质量。